2022年11月，ChatGPT（Chat Generative Pre-Trained Transformer）横空出世，火爆全球，迅速成为一种现象级应用。ChatGPT对传统行业尤其是会计行业的可能性冲击立刻引发了学界和业界的广泛关注与热烈讨论。ChatGPT所代表的通用人工智能必将改变世界，作为经济社会健康有序发展的基础性工作，会计毫无疑问将会受到全方位的冲击与挑战，但是现代会计作为以公司制为代表的现代商业世界的底层逻辑和记录规则不会消亡，反而会在ChatGPT影响和驱动下进行变革与优化，创造出多模态报告、大数据分析、智能财务决策、交互式智库、数据库建设等一系列新的财会场景和角色，形成人机协同工作新模式和人机协同共生新局面。但是目前的相关研究多集中在概念性阐释与ChatGPT产品本身对会计某一领域的影响上，缺少ChatGPT及其核心技术对会计智能化转型的影响分析，亦缺少基于智能会计核心知识体系的ChatGPT应用全场景分析。基于此，本研究将从ChatGPT及其所使用核心技术的适用性和智能会计的本质入手，探讨ChatGPT这一AI产品本身和相关AI技术（例如Transformer模型、自然语言处理（NLP）、深度学习等）如何有效应用于智能会计的各环节、各流程和各方面，以期为ChatGPT及其核心技术的AI产品和AI技术在智能会计中的有效使用寻找到合适路径，从而助力会计智能化转型和企业数字化转型。

　　我们知道，相较于其他人工智能（Artificial Intelligence，AI）产品，ChatGPT所使用的Transformer系列模型结合了监督学习和强化学习，采用了基于人类反馈的强化学习（RLHF）训练方法，同时运用了自监督学习训练方法，即通过预训练方式加人工监督进行调优，使其能够在搜索更大量数据的基础上理解上下文语义，提高了问题反馈的精准度、反应力和智能化程度，从而使AI演化为生成式而非分析式人工智能技术（AIGC），且更具通用性和更加平民化。

　　ChatGPT是OpenAI团队研发创造，属于AIGC应用的一部分，本质上是一种依靠大数据、大算力、强算法共同驱动的自然语言处理大模型。自1950年图灵提出判断机器是否具有智能性的“图灵测试”（The Turing test）方法以来，随着算法和技术的不断迭代，人工智能技术虽经历过低谷和波折，但依旧强劲发展，直至ChatGPT的“突然”面世。ChatGPT所实现的人类意图来自机器学、神经网络和Transformer模型即基于模板和规划的前深度学习、根据一定范围的数据进行参数分析的机器学习（Machine Learning）、开始模仿人类进行大量数据标记和训练的神经网络（Neural Network）以及对人脑学习进行重点关注的多层变换器（Transformer）等多种技术的发展与积累。其中，Transformer是ChatGPT的底层技术，它完全基于注意力机制摆脱了人工标注数据集的缺陷，模型在质量上更优，更易于并行化，所需训练时间也明显减少。作为一种新型主流模型架构基础，Transformer的出现迅速取代了循环神经网络（RNN）系列变种，标志着基础/通用模型时代的到来。

　　ChatGPT作为一种针对人类反馈学习的大规模预训练模型，大体经历了GPT-1（2018年6月）、GPT-2（2019年2月）、GPT-3（2020年5月）、GPT-4（2023年3月）四次迭代。起初GPT-1在Transformer架构基础上进行了显著简化，训练了一个12层仅Decoder的解码器（原Transformer模型包含Encoder和Decoder两部分）。随后，经GPT-2到GPT-3，最终发展成为一个高度智能化的自监督模型，且经微调后的InstructGPT可将有害、不真实和有偏差的输出最小化，更适合自然语言生成任务（NLG），其使用来自人类反馈的强化学习方案RLHF（Reinforcement Learning from Human Feedback）。最近推出的GPT-4则完全成为一个多模态预训练大模型，具有更加强大的识图能力、文字输入阈达2.5万字、准确性显著提升、能够生成诗歌、创意文本，实现风格变化等。ChatGPT实际上是一个增加了Chat属性且开放公众测试的InstructGPT衍生品，其核心技术优势在于利用人类反馈数据系统进行了模型训练，从而提升了人类思维的准确性。

　　当然，ChatGPT毕竟是基于语料库训练出的一个多模态模型，其输出结果的准确性在很多程度上取决于训练数据的规模和质量，在缺乏相关领域常识和推广能力的前提下它仍然可能给出错误或似是而非的解答，而且它只能基于已有知识、通过海量参数和已有主题数据进行多任务学习，仍缺乏终身学习机制，倘若应用于会计领域，对会计这种制度性、规则性和目的性非常高的信息处理和管理工作来讲可能会存在一定的缺陷。

　　智能会计作为数字经济时代会计转型发展的方向毋庸置疑是会计领域应对ChatGPT挑战的不二法门，当然ChatGPT及其所使用的核心技术在智能会计领域中的应用也是促进智能会计改进与优化的时代要求，两者之间存在必然的内在互动逻辑。

　　已有研究表明，智能会计是智能化技术在会计领域的深层次应用，是会计主动拥抱技术的必然结果，人工智能技术发展与会计智能化转型是相辅相成的。王爱国指出，智能会计的本质是以数字经济为前提、“业财融合”为基础、人工智能为支撑，发挥大数据分析和辅助决策作用的人机共生、协同进化和管理赋能的会计管理活动。智能会计会随着人工智能自主学习和自主意识的提高而不断提升会计信息生成质量和效率，并促使会计工作由会计核算（主要是会计信息的生成），向会计管理（主要是会计信息的利用）转变。在这一过程中，AI技术的应用也会从一般化或碎片化转向系统化和生态化。续慧泓等的研究表明，“弱智能”时代，智能技术的应用实例有智能识别票据、大数据全样本分析等，而随着机器学习和自然语言处理等技术的成熟应用，具备自主学习能力的智能系统使得会计智能化的目标变为组织和社会资源的优化配置，需在这一背景下实现智能化环境下的会计系统重构。ChatGPT面世后，部分学者也分析了其对会计工作的影响。刘勤结合ChatGPT技术应用特点分析了其对会计数据处理、报表生成和分析、会计咨询教育、风险识别和管理等工作的影响，并指出ChatGPT的诞生会使得人机协同共生模式被更多地关注。喻畅等、廖锡嘉等指出ChatGPT可以作为辅助工具，助力企业执行实时内部审计星空体育官方网站，并可以从更专业地理解审计报告与数据、增强审计数据分析能力、审计报告自动生成和识别欺诈行为等方面构建注册会计师审计新范式和新路径。

　　智能会计首先是会计、重点在智能，兼具会计科学、计算科学、数据科学和计算机科学的属性，同时智能会计也是系统科学下的会计，从会计信息的收集、处理与使用均具有系统科学的特性，其整体设计与规划符合复杂系统的科学特点。因此，对于ChatGPT在智能会计领域的应用，应从智能会计核心内容与整体架构去思考，不应仅局限于ChatGPT技术在会计智能化转型中的某一方面或场景。

　　智能会计中的会计是指大会计，是包含财务会计和管理会计的大会计，在大数据和人工智能技术推动下运维升级，其内涵十分丰富。从会计信息和数据处理的流程角度来讲，智能会计的核心内容主要包括用于进行会计数据/信息收集与处理的智能会计核算系统、用于支持企业决策的外部数据采集系统、用于存储或集成会计/业务数据并负责数据和流程标准化的智能财务共享中心（企业/财务数据中台）、用于大数据使用（即分析、预测和决策）的智能财务决策系统、用于报表信息和分析结果呈现的智能财务分析可视化系统和用于企业内部审计（主要是内部控制）的智能化系统六个方面。高等学校智能会计课程体系中与之对应的核心课程分别是《智能会计学》《智能会计核算》《智能财务共享》《智能财务决策》《智能财务分析可视化》和《智能审计学》。智能会计框架体系及逻辑关系如图1所示。

　　智能会计中的各个系统是相辅相成的，智能会计核算系统形成的内部数据和外部数据采集信息系统收集的外部数据共同构成了智能财务共享中会计大数据平台的数据内容，同时智能财务共享大数据平台的数据结构设计为内外部数据的形成与采集提供了相应标准，并可以对数据进行预处理、存储与管理；智能财务共享中心所存储与管理的大数据可以借助智能化技术与数理模型用于辅助企业经营预测与决策，并通过可视化手段进行展示，即智能财务决策系统和智能财务分析可视化；智能财务分析可视化系统亦可使用智能财务共享中心所集成的大数据进行业财数据和报表分析，并进行动态直观展示；而上述系统科学、顺利的运行需要企业内部控制系统的智能化，即内部控制智能化系统，主要包括党建活动数字化、内部环境数字化、控制活动数字化、风险评估智能化、信息沟通数字化和内部监督技术化六个方面。

　　智能会计系统的各子系统作用和技术实现手段均不同，其对智能化技术的要求也就不同，并且受技术限制、信息化阶段系统数据标准不统一、企业会计智能化转型起步时间和转型范式不统一等问题的影响，各类企业智能会计实施程度也不尽相同。因此，在分析ChatGPT及其核心技术在智能会计中的应用时，既要考虑到完全智能化会计系统的应用场景，也要考虑到现阶段不完全智能化阶段会计系统的应用场景。

　　众所周知，企业数据一般包括内部数据和外部数据两部分。而企业内部数据的重要组成部分——会计数据的生成主要依赖于智能会计核算系统，这是一个基于会计概念、会计规则，按照会计逻辑、会计循环，利用数字技术自动化实现经济业务与会计核算一体化的计算机装置系统，即经济业务一发生即时完成分录编制、试算平衡（稽核）和账证表税等工作，其实现过程主要包含业务数据采集和会计数据生成两个阶段。

　　在业务数据采集阶段，目前主要有三种情况：一是对于纸质原始凭证信息可以使用OCR文本识别技术进行采集，其收集的数据为非结构化数据，识别后依赖自然语言处理技术，可将其转化为结构化数据；二是对于电子发票信息可以直接提取为结构化数据；三是对于前端系统数据如实现核算系统自动化企业的销售人员所填销售数据的采集，可依据所设置的业务数据与会计科目匹配原则自动由业务数据匹配至会计数据。在这个阶段，ChatGPT技术本身可以帮助企业处理大量、重复的凭证识别与结构化数据生成工作，并借助其较强的自然语言处理能力提高识别精准度。当然，会计核算经历了手工化、电算化、信息化和智能化阶段，目前会计核算系统处于信息化转向智能化的过渡阶段，更多的是实现了部分或全部自动化。

　　在会计数据生成阶段，目前业界所采用的多为强匹配方式，即通过业务人员和财会人员的共同梳理，结合会计大数据系统所采用的数据库特点，梳理出企业业务数据依据借贷记账法所对应的科目，并将其设计在数据库字段中，从而可以实现业务数据一发生即可自动生成凭证的功能。这种模式可以减少错误率，但在前期系统构建时需要大量的人工投入，且对财会人员的数据库知识有一定要求。ChatGPT所使用的Transformer基础架构和反馈学习机制为完全智能化会计核算系统的形成奠定了技术基础，我们可以设想使用其强大的自学习能力，在基于一定数量的语料库基础上，实现业务数据一产生即可依靠其强大算力和所预设规则自动按照借贷复式记账法形成证账表的相关数据，并通过试算平衡完成自校验功能。

　　总的来说，对于智能会计核算系统而言，无论是ChatGPT产品本身，还是它所使用的技术模型均有助于智能会计核算效率与质量的提高，并提升会计核算智能化程度。

　　另外，智能会计核算系统应该是一个相对开放的系统，应该预留端口充分考虑与外部系统衔接。目前外部数据采集系统主要采集用于辅助企业决策的行业、社会中的宏观经济和政策数据，可从相关统计年鉴、行业网站、电商平台等多渠道获取，现常用手段如Python爬虫、文本和词频分析等等。ChatGPT强大的上下文理解能力与数据获取能力，可以帮助智能会计系统更准确地获取更多、更优质的企业所需外部信息。ChatGPT在此系统的应用主要是应用该AI产品本身。

　　财务共享中心的发展经历了三个阶段：一是依托信息技术，实现财务数据的集中处理和流程优化，主要实现集中核算；二是通过共享平台实现内联业务系统、外联商旅和税务系统，实现业财税的一体化；三是借助大数据和人工智能技术，构建企业数字仓库（即会计大数据平台），融合企业内外部所有有价值数据，统筹设计、制定标准，并对数据进行存储与管理，为企业构建以中台架构为核心的数字企业管理及决策平台，即智能财务共享中心阶段。智能财务共享中心是融合了数字化战略管理思维，定义企业数据标准，是智能会计核算系统与外部数据采集系统的底层逻辑。

　　数据平台构建过程，需要整合企业内外部几乎所有数据，而这一“牵一发而动全身”的工作应由CFO来完成。王爱国指出，CFO应以“大会计”思维来布局智能会计、以“大交叉“来建设智能会计、以”革命式“举措落实智能会计。这就对CFO提出了更高的要求，需要CFO在具备财会素养的前提下，对于企业管理和数据化，甚至于智能化技术有一定的了解与掌握。ChatGPT的面世在很大程度上有助于CFO解决这一问题，其便捷精准的搜索功能，有助于CFO掌握更专业的知识，这是其一。更为重要的是，其可依据需求生成程序代码的功能使得CFO可以更好地解决数据平台构建与应用过程中的小故障，相较于低代码开发平台，其又有了一定程度的进步。ChatGPT使得AI技术更加平民化，可以做好财务人员和系统研发人员间的翻译官，促使企业更加快速地完成数据中台的构建，形成智能化的财务共享中心。

　　另外，目前大部分企业处于多系统整合向数据中台构建的进程中，在转型过程中，数据治理非常关键，尤其是对于异构数据的处理。ChatGPT的应用将有助于企业进行主数据的梳理和多源异构数据的标准化与整合，这将会促进企业数字化转型进度。

　　智能财务决策是利用先进的大数据和人工智能等新技术对会计大数据的终极应用，其主要功能是辅助企业进行各项预测与决策，从而更加科学、合理地对企业资源和生产要素进行配置，并为全面预算管理奠定基础，从而使企业经营活动有序、持续和更加良好地开展，提升企业竞争力和价值创造能力，以实现企业的可持续发展。

　　然而，目前智能会计中的智能财务决策还处于起步阶段。虽有企业提出开展财务决策系统的实施，经研究团队调研发现，更多的是基于财务分析可视化的决策分析。形成这一现状的原因主要有两个：一是大部分企业的数据中台并没有完全形成，财务共享中心还处于第一或二阶段，实现了数据的集中，但数据没法使用，会计大数据平台没有搭建；二是现应用的部分财务决策模型过于简单，只应用了机器学习的简单模型，深度学习和神经网络相关模型应用较少，且应用范围也主要集中在了股票投资和财务舞弊分析等领域。这与整个智能会计的发展还处于初、中期阶段有关。

　　ChatGPT带给智能财务决策的冲击与机遇在整个智能会计系统中应该是最高的，尤其是它所使用的技术模型。ChatGPT所使用的基础模型是在深度神经网络和自我监督学习的基础上演化而来，其除了预测等高级特征外，还出现了情境学习的功能，并可以集中来自各种模态的所有数据信息，适用于广泛的下游任务。而这一技术架构若应用于智能财务决策领域，将极大地促进决策模型的升级与进步，对于预测精准度将有很大的提升。并且，对于企业决策而言，其基于内部会计大数据和外部信息大数据所构建的模型本身就具有复杂系统特性，基于Transformer所构建的大模型架构有一定的适用性。

　　智能财务分析可视化主要包含两方面内容，一是对于业财数据和报表分析与可视化，二是对于智能会计决策结果的展示，目前智能财务分析可视化的应用主要集中于第一个方面。现阶段，智能财务分析可视化常用的工具有PowerBI、ExcelBI和Tableau等，大多为成熟的商业软件。ChatGPT的应用可以有助于该系统进行前端数据的处理。

　　财务分析可视化除相应商业软件的使用外，还可以通过Python等程序语言来实现，如matplotlib包的调用。ChatGPT的生成式属性使得程序代码与人工智能技术更加易于使用，其平民化的特点可能会对部分成熟商业软件形成冲击，同时在具备更大量的财务分析可视化语料库后，ChatGPT所生成的产品可能会更加精美与直观。

　　企业内部控制智能化目前处于建设阶段，业界对于其没有准确定义，但其在智能会计系统中是非常核心的部分，是其他系统顺利运作的保障，也是实现企业内部监督与审计的关键之处。研究团队调研发现，目前党建活动数字化在国资委企业建设较好，内部环境数字化与信息沟通数字化基本处于单点完成状态，而控制活动、风险评估和内部监督的数字化与智能化程度还处于刚刚起步阶段。

　　ChatGPT或将对内部控制智能化起到促进作用。企业员工使用AI技术成本的下降会促进数字化内部环境的形成，员工的数字素养与数商也会得到一定程度的提升，信息沟通数字化水平也会得到提升。内部控制智能化程度，在很大程度上会取决于会计核算系统和会计决策系统的智能化程度。ChatGPT及其相关技术对上述两个系统的促进作用，会间接提升内部控制系统的智能化程度。

　　以ChatGPT为代表的AIGC生成式人工智能产品的诞生属实给传统行业带来一定的冲击，但在智能化时代，如何拥抱新技术，利用新技术是学界和业界更应关注的问题。智能会计作为传统业拥抱新技术的代表，在面对新产品和新技术诞生时，更应及时分析其可用性与适用性。本研究正是基于这一背景，结合ChatGPT技术特点和智能会计本质，在充分分析技术发展脉络和智能会计各子系统功能与特点的基础上，对ChatGPT及其所使用的技术模型在智能会计各系统的可使用情况进行详实分析。

　　研究表明，ChatGPT应有助于会计人员更加快速地使用人工智能技术、适应智能会计的发展。但基于ChatGPT在会计数据特征及保密性等方面的要求，目前阶段ChatGPT这一产品应用于智能会计核心工作的可能性不大，但其所使用的自然语言处理技术，尤其是Tranformer系列模型对于推动智能会计发展会起到较大作用，尤其是在智能会计核算与智能会计决策领域的使用。

　　本研究提出了ChatGPT这一智能产品与其所使用技术在智能会计系统的应用领域与范畴，但受篇幅限制并未对具体应用细节与技术实现展开详细讨论，可将此部分内容作为智能会计的进一步研究方向。此外，本研究对于智能会计核心架构的梳理和ChatGPT及其核心技术模型在智能会计中的应用研究，也为后续其他人工智能产品与智能化技术应用于智能会计与数字企业领域奠定了理论基础。